评价此页
★ ★ ★ ★ ★
CommDebugMode">
recipes/distributed_comm_debug_mode

CommDebugMode 入门#

创建于：2024年8月19日 | 最后更新：2024年10月8日 | 最后验证：2024年11月5日

作者： Anshul Sinha

在本教程中，我们将探讨如何结合 PyTorch 的 DistributedTensor (DTensor) 和 CommDebugMode，通过跟踪分布式训练环境中的集体操作来进行调试。

先决条件#

  • Python 3.8 - 3.11

  • PyTorch 2.2 或更高版本

什么是 CommDebugMode 及其用途#

随着模型规模的不断增大，用户们寻求利用各种并行策略的组合来扩展分布式训练。然而，现有解决方案之间缺乏互操作性，这主要是由于缺乏能够连接这些不同并行策略的统一抽象。为了解决这个问题，PyTorch 推出了 DistributedTensor(DTensor)，它抽象了分布式训练中张量通信的复杂性，提供了无缝的用户体验。但是，在处理现有并行解决方案和使用 DTensor 等统一抽象开发并行解决方案时，对于底层集体通信何时以及为何发生缺乏透明度，这可能会让高级用户在识别和解决问题时遇到困难。为了解决这一挑战，CommDebugMode，一个 Python 上下文管理器，将作为 DTensors 的主要调试工具之一，使用户能够查看使用 DTensors 时集体操作的发生时间和原因，从而有效地解决了这个问题。

使用 CommDebugMode#

以下是使用 CommDebugMode 的方法

# The model used in this example is a MLPModule applying Tensor Parallel
comm_mode = CommDebugMode()
    with comm_mode:
        output = model(inp)

# print the operation level collective tracing information
print(comm_mode.generate_comm_debug_tracing_table(noise_level=0))

# log the operation level collective tracing information to a file
comm_mode.log_comm_debug_tracing_table_to_file(
    noise_level=1, file_name="transformer_operation_log.txt"
)

# dump the operation level collective tracing information to json file,
# used in the visual browser below
comm_mode.generate_json_dump(noise_level=2)

这是 MLPModule 在噪声级别 0 下的输出示例

Expected Output:
    Global
      FORWARD PASS
        *c10d_functional.all_reduce: 1
        MLPModule
          FORWARD PASS
            *c10d_functional.all_reduce: 1
            MLPModule.net1
            MLPModule.relu
            MLPModule.net2
              FORWARD PASS
                *c10d_functional.all_reduce: 1

要使用 CommDebugMode，您必须将运行模型的代码包装在 CommDebugMode 中，并调用您想要用来显示数据的 API。您还可以使用 noise_level 参数来控制显示信息的详细程度。以下是每个噪声级别显示的内容

0. 打印模块级别的集体操作计数
1. 打印 DTensor 操作（不包括微不足道的操作），模块分片信息
2. 打印张量操作（不包括微不足道的操作）
3. 打印所有操作

在上面的示例中，您可以看到集体操作 all_reduce 在 MLPModule 的前向传播中发生了一次。此外，您还可以使用 CommDebugMode 来精确指出 all-reduce 操作发生在 MLPModule 的第二个线性层中。

以下是您可以用来上传您自己的 JSON 文件的交互式模块树可视化工具

CommDebugMode 模块树 - PyTorch 文档
将文件拖到此处

结论#

在本教程中，我们学习了如何使用 CommDebugMode 来调试分布式张量和使用 PyTorch 的通信集体并行解决方案。您可以在嵌入式可视化浏览器中使用您自己的 JSON 输出。

有关 CommDebugMode 的更多详细信息，请参阅 comm_mode_features_example.py

在此页面上
PyTorch 库